小波变换在超空泡图像边缘检测中的应用研究

论文摘要

在一幅图像中,边缘携带了目标的很多信息,通过边缘检测提取到的图像中目标边缘,可得到目标的几何轮廓信息,这些信息对进一步进行目标识别和特征测量等有重要的作用。目前,边缘检测在图像处理和机器视觉中占重要的位置,是图像分割、图像识别研究和应用领域中的重要课题。当前,图像边缘检测已经有丰硕的理论研究成果,但是各种算法在具体的应用中,仍存在不少问题。传统边缘检测算法主要是基于微分算子,典型的有Roberts、Prewitt、Sobel、Kirsch、Canny和Log,这些算子优点在于运算量较小,执行时间短；其缺点是对噪声非常敏感。本课题针对水下高速射弹所获超空泡图像进行边缘检测,受水下环境和光源光照影响,图像中夹杂很多的噪声,如何在噪声图像中获取有效的边缘就成为本课题的重点。小波变换拥有良好的局部分析和多尺度分辨特征,能够从多个尺度下刻画图像的边缘。小尺度下,包含非常多的细节信息,能检测出非常细致的边缘；随着尺度的增加,许多微弱的边缘和噪声同时被滤除,留下比较稳定的边缘。将多个尺度下的边缘进行综合,可以在克服噪声干扰的基础上,尽量的保留弱边缘,最终提取到有效完整的边缘。本文将小波变换应用于超空泡图像边缘检测中,提出自适应多尺度小波边缘检测算法,在算法实现中,首先采用各向异性扩散滤波对图像进行去噪和增强,然后选择高斯函数和B样条函数作为小波基,对图像进行小波变换得到多个尺度下的边缘信息,之后采用5种自适应阈值方法对各尺度下的边缘进行检测,对比5种算法的实现效果和运行效率和算法的鲁棒性,最终确定基于K均值的阈值方案优于其他,将得到的各尺度下的边缘进行融合,融合时,因小波基的选择不同而采用两种不同的融合方案以得到最终的边缘。得到的边缘为后续的超空泡外形特征提取和三维重构奠定基础。将本文的边缘检测效果与传统的边缘检测效果对比,可得出本文算法可提取出较准确有效完整的超空泡边缘。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 边缘检测在图像处理和机器视觉中的重要性
• 1.2 现有的边缘检测方法的现状和不足
• 1.3 本课题的研究内容和主要工作
• 1.4 论文的结构与内容
• 2 边缘检测技术
• 2.1 边缘检测技术的发展
• 2.2 边缘检测方法的分类
• 2.2.1 经典边缘检测算子
• 2.2.2 新兴边缘检测算子
• 2.2.3 小波边缘检测
• 2.2.4 基于人工智能和模式识别的边缘检测
• 2.3 边缘检测方法的应用及研究趋势
• 2.4 本章小结
• 3 小波分析与小波边缘检测技术
• 3.1 小波分析理论的发展
• 3.1.1 小波变换的产生
• 3.1.2 连续小波变换和离散小波变换
• 3.1.3 多分辨率分析和小波变换的快速算法
• 3.1.4 小波包和提升小波变换
• 3.2 二维离散小波变换及其快速实现（Mallat算法）
• 3.3 小波变换和边缘检测
• 3.4 小波变换边缘检测
• 3.5 小波边缘检测中的关键问题
• 3.6 本章小结
• 4 超空泡图像小波边缘检测算法研究
• 4.1 本课题研究重点
• 4.2 算法中关键部分的理论
• 4.2.1 图像的增强去噪处理
• 4.2.2 小波基的选择和小波变换的多尺度分解实现
• 4.2.3 模值和梯度方向、非极大值抑制和相邻尺度增强
• 4.2.4 自适应阈值化边缘
• 4.2.5 多尺度边缘融合
• 4.3 算法的实现和仿真
• 4.3.1 高斯小波基多尺度自适应边缘检测
• 4.3.2 B样条小波多尺度自适应边缘检测
• 4.4 效果分析
• 4.5 自适应多尺度小波边缘检测界面
• 4.6 超空泡轮廓的提取和边缘检测精度分析
• 4.6.1 超空泡轮廓提取和边缘宽度测量和对比
• 4.6.2 原始图像与得到的外边缘进行对比
• 4.7 本章小结
• 5 边缘检测和图像处理算法的软硬件实现探讨
• 5.1 MATLAB与VC++混合编程方法
• 5.2 结合MATLAB、Visual C++和OpenCV实现边缘检测
• 5.3 结合MATLAB和DSP进行图像处理相关的开发
• 5.4 使用MATLAB辅助FPGA实现图像处理算法的应用开发
• 5.5 本章小结
• 6 结论
• 6.1 本论文所做工作和存在的不足
• 6.2 展望
• 6.3 本章小结
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢